导语：近日，在2022WAICAI开发者日上，忆海原识创始人兼CEO任化龙发表主题演讲《类脑计算的发展与关键技术》。演讲中，他夯实细致地介绍了类脑智能的特点以及与传统技术的对比，以及忆海原识自主研发的Ocean类脑计算平台。
以下是内容摘要。
什么是类脑计算
类脑计算是由生物脑启发的人工智能技术，强调实用，不追求把大脑中每一个生物细节都进行模拟，具有广阔应用前景。
脑仿真就是一种精细度较高的模拟，不一定追求实用，更多的是探求生物物理层面的机理。
神经拟态芯片，利用介于数字和模拟混合信号的方式来实现人工神经元，集成进芯片里，大幅度节省芯片的功耗。
计算神经科学可以看作是类脑计算的前身，它大量使用数理方法对脑机制进行理解，很多模型都是抽象的，不一定追求实用。
脑机接口也是近些年兴起的领域，主要解决人和机器、大脑和机器之间的交互。
类脑计算如何借鉴大脑呢？它有两个关键特征，一个是技术特征，另一个是应用面。技术特征上高度借鉴了生物脑中关键的生物机制，比如不再使用深度神经元模型，而是使用脉冲神经元模型，甚至比脉冲神经元更复杂的模型。
类脑计算的学习机制也不再依赖数学优化，无需误差反传和梯度下降，而主要利用可塑性进行训练，由此局部性更好，学习效率更高，配合生物脑中特殊的神经环路可以快速地实现举一反三。类脑计算也不再严格区分学习和推理这两个过程，很适合实时在线学习。由脉冲神经元构建出微环路，再由微环路构建多脑区的脑网络，这样就可以实现类脑神经网络模型。
类脑计算面向的问题是更高级的认知任务，不再是简单的识别和分类。比如抽象与归纳、推理与决策、知识与常识都属于认知，想象与创造、情感、同理心、道德，甚至人特有的直觉与审美属于高级认知现象。
类脑神经网络初窥
视觉神经系统有丰富发达的机制，它的神经通路与其他脑区高度互联，比如视觉皮层可以连接到运动皮层，和空间感有关；它还连接到颞叶，对物品进行识别；它还连接到中颞叶构造（包括海马体），形成情景记忆。情景记忆又可以进行抽象和归纳，再反哺视觉皮层的训练，使视觉训练效率非常高。
再如下图示例，偏向于识别问题。图中的对象到底是牛还是鲨呢？如果用深度神经网络，可能只能识别出一个确定的结果，要么分类成某种鲨鱼，要么分类成其他结果。为什么呢？因为它是端到端的单一输入输出系统。
可以这么说，视觉系统具有丰富灵活的认知机制，并不像深度学习那样是端到端的单一输入输出系统。
Ocean类脑计算平台
忆海原识隆重发布Ocean类脑计算平台。
Ocean分为前端、核心和后端，它把建模和硬件管理进行解耦。这样一来，神经科学家和建模人员不必关心硬件底层细节，只需专注神经网络的建模。
该平台提供了丰富的基础模型和神经机制，包括有多种类型的神经元、突触、可塑性机制，以及顺馈、反馈、循环和侧抑制等常见的环路结构，简化用户建模过程，同时支持用户自定义模型、扩展功能。该平台能够支持全尺度的建模，从最小单位的神经元、突触、树突、环路、核团到脑区。
该平台还可以支持大规模类脑神经网络的运算，通过对硬件设备的调度管理，保证高运算效率。该平台可以在异构计算器件上运行，支持CPU、GPU以及其他的异构计算设备。该平台可部署在个人计算机、云端服务器以及嵌入式设备上，从而为其应用和推广带来了可能，满足从研发到应用部署的全链条需求。
这里介绍一个Ocean建模实例。下图为使用类脑神经网络针对MNIST手写字体进行识别。
这个模型没有使用误差反传、梯度下降，只使用一定神经环路拓扑结构结合可塑性进行学习，就可以取得良好的识别效果。
我们还有更多的类脑神经网络模型以及应用案例，将会在以后的发布会上陆续向大家介绍。